基于肌电信号处理的肢体动作模式识别算法研究及其原型硬件实现

发布时间：2020-03-29 07:20

【摘要】：我国现有肢体运动障碍患者2400多万人,这些患者的肢体运动障碍主要由于脑卒中、脑瘫和脊髓损伤等。其中,由脑卒中导致的肢体运动功能患者约500万人,并预计在2050年会达到1500万人。对于偏瘫病人的肢体运动功能重建一直是一个医学热点问题。针对目前帮助偏瘫病人进行运动功能康复重建的功能性电刺激设备存在着动作功能单一、动作转换不灵活和人机交互性不强的特点,本课题开展基于肌电信号处理的肢体动作模式识别研究,特点是根据患者的肌电信号识别其动作意图,提供动作控制指令给功能电刺激装置。本课题主要完成了对肢体动作模式识别算法的研究设计,实现了多通道肌电信号肢体动作模式识别的软硬件系统。最终,本课题的模式识别系统能够对腕屈、腕伸、指伸和抓握这四种动作进行正确的识别,并给出发力轨迹的波形。首先,课题对肌电信号的生理学基础进行了调研,探究了肌电信号在应用中的采集和处理方式,并根据肌电信号的特性设计了肌电信号模式识别系统的整体架构,分析了各个构成模块的需求。其次,课题对肌电信号的模式识别算法进行了研究分析,提出了一种自适应集成神经网络算法,探究了不同特征值与特征约简对肌电信号模式识别的影响,并对算法进行了验证。最后,课题对肌电信号模式识别系统进行了硬件电路和软件系统的设计实现,包括多通道采集系统和Android识别系统,系统可以识别用户动作,给出结果并显示发力波形。本课题设计的肢体动作模式识别系统具有很强的扩展性,可以根据不同情境设计成穿戴式设备,并可接入电刺激治疗装置或者无线控制假肢等,具有重要的工程价值和社会价值。
【图文】：

贝叶斯决策规则,模式识别,最小误差,窗体

图 1.1 连续互补的 256ms 宽度 32ms 递进的窗体10 年，Yang Wang 等人提出了一种基于最小误差估计的贝叶斯决策规则的肌电信号模式出采用功率谱比值作为肌电信号模式识别的特征值，对人体下肢进行模式识别，，最终对休跑三种下肢的状态达到了 78%的识别率[7]。uoYina 等人在 2012 年的论文中提出了一种盲识别模型进行肌电信号模式识别，提出在多模式识别的情况下，可以提取单通道独立成分作为新的各个通道的数据。他们在之后的实通道电极采集的肌电信号的方均根构成特征向量，并使用人工神经网络作为模式识别的状态下对抓握，中指弯曲和腕屈动作进行训练和识别并获得了 99%的动作识别率[8]。13 年，AJ Young 等人提出采用平行分类器来提高模式识别分类的准确性。他们设计了一理论的平行动作分类器设计，在验证实验中先采用 6 对电极在实验者前臂采集肌电信号取连续互补的 250ms 宽 50ms 步进的窗体进行特征提取，提取特征为平均绝对值、过零点和斜率变化次数，证明相对于单一的分类器，组合分类器能够降低分类错误率，提高分类能够增加系统的鲁棒性[9]。2014 年，DingGuoZhang 等人研究了手臂状态对于前臂肢体动影响后指出，训练和识别如果处于不同的手臂状态，将会严重干扰动作的识别率。他们提采集不同手臂状态下的同一个动作的肌电信号组合成为新的特征数据来提高分类器对训

单元,肌肉,运动神经

于肌电信号可以反映出肌肉在动作过程中的发力情况的区分。可以检测手术过程中注射的麻醉药物是否有过多的病的检测和区分方面，在肌电信号也被经常应用在肌uction study, NCS)。在对人体进行神经压迫损伤诊断健过程中，也可以使用针状电极采集肌电信号进行原理骨骼结构和肌肉伸缩。肌肉能够将化学能转化成为运生于骨骼肌的收缩和伸展，能够反映出肌肉在不同的受控于自脊髓前角发出的运动神经单元。运动神经单终板区与多条肌纤维耦合。这样的一个神经元耦合多
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R496;TN911.7

【参考文献】